| Ders Adı | Kodu | Yerel Kredi | AKTS | Ders (saat/hafta) | Uygulama (saat/hafta) | Laboratuar (saat/hafta) |
|---|---|---|---|---|---|---|
| Alternatif Regresyon Yöntemleri | IST6120 | 3 | 7.5 | 3 | 0 | 0 |
| Önkoşullar | Yok |
|---|
| Yarıyıl | Güz, Bahar |
|---|
| Dersin Dili | Türkçe |
|---|---|
| Dersin Seviyesi | Doktora |
| Dersin Türü | Seçmeli @ İstatistik ABD İstatistik Doktora Programı Seçmeli @ İstatistik ABD İstatistik Yüksek Lisans Programı |
| Ders Kategorisi | Uzmanlık/Alan Dersleri |
| Dersin Veriliş Şekli | Yüz yüze |
| Dersi Sunan Akademik Birim | İstatistik Bölümü |
|---|---|
| Dersin Koordinatörü | Reşit Çelik |
| Dersi Veren(ler) | Reşit Çelik |
| Asistan(lar)ı |
| Dersin Amacı | Doğrusal Regresyonun varsayımların sağlanmadığı durumlarda ihtiyaç duyulan uygun alternatif regresyon yöntemlerinin tanıtmak. |
|---|---|
| Dersin İçeriği | Genel Regresyon Modeli, Kavramları ve Modelleme; Hipotez Testleri; Uyum ve Seçim Kriterleri; Model Geçerliliği; Artık Çözümlemesi; Ağırlıklı EKK; İteratif Ağırlıklı EKK; Çoklu bağlantı ve Yanlı Kestiriciler; Regresyonda Kalibrasyon Problemi ve Çözümleri; En Küçük Mutlak Sapmalar Regresyonu (LAD); Parametrik Olmayan Regresyon; Sağlam İstatistikler ve M-Regresyon; Ridge regresyonuna giriş, Regresyonda yeni yaklaşımlar; . |
| Ders Kitabı / Malzemesi / Önerilen Kaynaklar |
|
| Opsiyonel Program Bileşenleri | Yok |
Ders Öğrenim Çıktıları
- Klasik Doğrusal Regresyon varsayımlarını kontrol araçlarını kavrama
- Her bir varsayım bozulması türüne göre baş vurulacak uygun alternatif yöntemi belirleme
- Güncel ve yeni regresyon yöntemlerini kavrama.
- Farklı regresyon yöntemlerinin sonuçlarını karşılaştırma
- Uygun bir seti ile regresyon modeli sonuçlarını yorumlama
Ders Öğrenim Çıktısı & Program Çıktısı Matrisi
| DÖÇ-1 | DÖÇ-2 | DÖÇ-3 | DÖÇ-4 | DÖÇ-5 |
Haftalık Konular ve İlgili Ön Hazırlık Çalışmaları
| Hafta | Konular | Ön Hazırlık |
|---|---|---|
| 1 | Genel Regresyon Modeli, Kavramları ve Modelleme | |
| 2 | Uyum ve Seçim Kriterleri; Model Geçerliliği | |
| 3 | En küçük kareler regresyonu | |
| 4 | Ağırlıklı EKK; İteratif olarak Yeniden Ağırlıklı EKK | |
| 5 | M-Regresyon | |
| 6 | M-Regresyon | |
| 7 | Regresyonda Kalibrasyon Problemi ve Çözümleri | |
| 8 | Ara Sınav 1 / Uygulama veya Konu Tekrarı | |
| 9 | ||
| 10 | En Küçük Mutlak Sapmalar Regresyonu (LAD) | |
| 11 | Parametrik Olmayan Regresyon | |
| 12 | Parametrik Olmayan Regresyon | |
| 13 | Regresyonda yeni yaklaşımlar | |
| 14 | Regresyonda yeni yaklaşımlar | |
| 15 | Final |
Değerlendirme Sistemi
| Etkinlikler | Sayı | Katkı Payı |
|---|---|---|
| Devam/Katılım | 11 | |
| Laboratuar | ||
| Uygulama | ||
| Arazi Çalışması | ||
| Derse Özgü Staj | ||
| Küçük Sınavlar/Stüdyo Kritiği | ||
| Ödev | 3 | 20 |
| Sunum/Jüri | 1 | 10 |
| Projeler | ||
| Seminer/Workshop | ||
| Ara Sınavlar | 1 | 30 |
| Final | 1 | 40 |
| Dönem İçi Çalışmaların Başarı Notuna Katkısı | ||
| Final Sınavının Başarı Notuna Katkısı | ||
| TOPLAM | 100 | |
AKTS İşyükü Tablosu
| Etkinlikler | Sayı | Süresi (Saat) | Toplam İşyükü |
|---|---|---|---|
| Ders Saati | 13 | 3 | |
| Laboratuar | |||
| Uygulama | |||
| Arazi Çalışması | |||
| Sınıf Dışı Ders Çalışması | 5 | 14 | |
| Derse Özgü Staj | |||
| Ödev | 3 | 30 | |
| Küçük Sınavlar/Stüdyo Kritiği | |||
| Projeler | |||
| Sunum / Seminer | 1 | 20 | |
| Ara Sınavlar (Sınav Süresi + Sınav Hazırlık Süresi) | 1 | 2 | |
| Final (Sınav Süresi + Sınav Hazırlık Süresi) | 1 | 2 | |
| Toplam İşyükü : | |||
| Toplam İşyükü / 30(s) : | |||
| AKTS Kredisi : | |||
| Diğer Notlar | Yok |
|---|
